摘要： 为提取有效的轧机振动特征，提高轧机振动预测精度，提出一种基于改进变分模态分解（Variational modaldecomposition, VMD）-长短时记忆神经网络（Long short-term memory，LSTM）的轧机振动预测方法。采用最小巴氏距离（Minimize bhattacharyya distance，DBmin）优化K值，对原始信号进行VMD分解，根据相关系数和能量占比选取主要模态分量，并对其进行叠加重构；将入口张力、硬度等作为输入，将重构信号作为输出，建立基于LSTM网络的轧机垂振预测模型。仿真结果表明：VMD-LSTM模型预测精度最高，相关性系数达0.97 以上。并分析了各工艺参数改变对轧机振动的影响，可为快速抑制轧机振动、优化轧制规程提供参考。

关键词: 振动与波, 轧机振动, 预测, 巴氏距离, VMD, LSTM